Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1. Introduccción
- Regresión logı́stica
Para la calibración y la validación de datos se realizó 300 repeticiones de particiones
seleccionadas al azar. En base a eso se pudo predecir el 67.89 % de los accidentes, de-
jando solo un 20.94 % de predicciones falsas.
El procedimiento que se llevo a cabo para la aplicación del proyecto de [Basso et al., 2018]
fue:
1. Los datos de tráfico de las puertas AVI se agregan a promedios de cinco minutos,
y luego se usan para calcular variables que son de interés.
1
4. Para verificar la robustez de nuestros modelos, se repite lo siguiente 300 veces:
seleccione al azar el 80 % de la base de datos, calibre los modelos SVM y logı́sticos
y luego valide utilizando el 20 % restante.
2. Análisis de la literatura relacionada
En base a la presentación del profesor [Basso, 2018] se seleccionaron las palabras clave
\Crash prediction” (Predicción de choques) y \expressway” (autopista) para realizar
una busqueda de literatura relacionada en la plataforma Scopus. En dicha plataforma
se lograron visualizar 49 documentos, realizados en diferentes idiomas.
Como se podrá ver a continuación en el año 2018 fue el ano en el que segeneraron la
mayor cantidad de documentos referentes al tema de estudio de la exposición realizada.
Por último, observaremos la Figura 3 la cual realiza un ranking de los 10 autores más
citados según la información obtenida desde la plataforma Scopus.
2
Figura 3: Autores más citados.
3. Marco conceptual
Para el desarrollo del presente punto se verán conceptos necesarios para la compre-
sión de algunos análisis realizados en la presentación.
- Índice de Gini
El ı́ndice de Gini (o su paralelo gráfico la curva de Lorentz) tiene por finalidad medir
el grado de concentración que presenta una variable. El primer problema que se nos
plantea es qué entendemos por concentración y nada mejor que las palabras del propio
Gini para aclarar este concepto: ”Se dice que la riqueza de un paı́s está tanto más
concentrada cuanto mayor es la parte de la riqueza total poseı́da por la parte más rica
de la población. Podemos decir también que la concentración de la riqueza es tanto
mayor cuanto menor es la parte de esta poseı́da por el sector más pobre de dicha po-
blación.[Ruiz-Maya, 1978]
- Regresión logı́stica
Aunque la regresión logı́stica se usa principalmente con variables dependientes dicotómi-
cas, la técnica puede extenderse a situaciones que involucran variables de resultado con
3 o más categorı́as (variables dependientes politómicas o multinomiales) / dar una vi-
sión general del modelo de regresión logı́stica / discutir las principales similitudes y
diferencias entre la regresión logı́stica y la regresión lineal y los supuestos básicos de la
regresión logı́stica / uso de datos de un estudio hipotético para mostrar cómo interpre-
tar un análisis de regresión logı́stica / en particular, [el autor revisa] cómo interpretar
3
los coeficientes del modelo, las hipótesis de prueba,e interpretar los resultados de la cla-
sificación / usar datos de estudios de investigación reales para mostrar cómo interpretar
los análisis de regresión logı́stica que involucran más de 1 variable predictiva / describir
los procedimientos de construcción de modelos para estudios que tienen muchas varia-
bles predictoras potenciales.[Wright, 1995]
4
aplicado ya que se salvarı́an más vidas al pronosticar los accidentes de manera oportuna.
5. Comentario adicional
Referencias
[Basso, 2018] Basso, F. (2018). Real-time crash prediction in an urban expressway
using disaggregated data.
[Basso et al., 2018] Basso, F., Basso, L. J., Bravo, F., and Pezoa, R. (2018). Real-time
crash prediction in an urban expressway using disaggregated data. Transportation
research part C: emerging technologies, 86:202–219.
[Chawla et al., 2002] Chawla, N. V., Bowyer, K. W., Hall, L. O., and Kegelmeyer, W. P.
(2002). Smote: synthetic minority over-sampling technique. Journal of artificial
intelligence research, 16:321–357.
[Ozbay and Ercelebi, 2005] Ozbay, S. and Ercelebi, E. (2005). Automatic vehicle
identification by plate recognition. World Academy of Science, Engineering and
Technology, 9(41):222–225.
[Zhang et al., 2004] Zhang, L., Zhou, W., and Jiao, L. (2004). Wavelet support
vector machine. IEEE Transactions on Systems, Man, and Cybernetics, Part B
(Cybernetics), 34(1):34–39.